Unicode 与 UTF-8 的区别与联系

Unicode

定义：Unicode 是一个字符编码标准，旨在为世界上所有的字符分配一个唯一的编码。
编码范围：Unicode 的编码范围从 0x0000 到 0x10FFFF，能够表示超过一百万个字符。
字符集：Unicode 包含几乎所有书写系统的字符，包括拉丁字母、汉字、阿拉伯字母、希腊字母等。

UTF-8

定义：UTF-8 (Unicode Transformation Format - 8-bit) 是一种用于表示 Unicode 字符的可变长度字符编码。
编码方式：UTF-8 使用 1 到 4 个字节来编码 Unicode 字符：1 个字节：用于表示 ASCII 码中的字符（U+0000 到 U+007F）。2 个字节：用于表示大部分常用的拉丁字母扩展字符（U+0080 到 U+07FF）。3 个字节：用于表示基本多文种平面（BMP）中的字符（U+0800 到 U+FFFF）。4 个字节：用于表示补充字符平面中的字符（U+10000 到 U+10FFFF）。
特点：向后兼容 ASCII：UTF-8 对于 ASCII 字符只使用一个字节编码，保持了与 ASCII 的兼容性。无字节序问题：由于 UTF-8 是以字节为单位进行编码的，因此不存在字节序（Endian）问题。高效性：对于西方语言，UTF-8 非常高效，因为大部分常用字符只需要一个字节。

联系

Unicode 是字符的标准集合，可以用多种不同的编码方式来表示，例如 UTF-8、UTF-16、UTF-32 等。UTF-8 是其中最常用的一种编码方式。

区别

Unicode 转义序列

格式：\uXXXX，其中 XXXX 是 4 位十六进制数，表示一个 Unicode 码点。
用途：用于表示 Unicode 字符，通常在 JSON、JavaScript 字符串、Java 字符串等场景中使用。

字符编码与字符的对应规则

字符编码是一种规则，将字符映射为特定的字节序列。不同的编码方案（如 UTF-8、GBK）有不同的映射规则。

例子

字符 "中" 的 Unicode 码点是 U+4E2D。
将 U+4E2D 转换为 UTF-8 编码，步骤如下：根据 UTF-8 编码规则，U+4E2D 需要用 3 个字节来表示。具体编码步骤：将 4E2D 转换为二进制：01001110 00101101。根据 UTF-8 编码格式 1110xxxx 10xxxxxx 10xxxxxx，将二进制分段并填充：1110 与 0100 → 1110010010 与 111000 → 1011100010 与 101101 → 10101101得到 UTF-8 编码字节序列：E4 B8 AD。